EL4105 Control Avanzado de Sistemas Primavera 2011

Profesor:

Marcos Orchard

Auxiliar:

Ricardo Rabi

Material de Apoyo
Algebra Lineal
1. Introduccin
El objetivo de este material de apoyo es complementar sus estudios con materia que deben recordar de
semestres anteriores, en este caso, de algebra lineal. Se revisarn conceptos bsicos que deben saber para
el curso.
2. Matrices
2.1. Matriz diagonal

Sea la matriz A de tamao nxn. Se dir que es una matriz diagonal si y solo si
  0, i.e.



0



Esta matriz se denota como:   

 , ,


Una propiedad que cumple este tipo de matrices es que si
  0 se tiene que A es una matriz invertible.

2.2. Matriz simtrica

Sea la matriz A de tamao nxn. Esta matriz ser simtrica si y solo si:

Algunas propiedades que se pueden deducir son:

  

    (Propiedad de matriz traspuesta)

Si A es simtrica, se tiene que   
Si A es diagonal, se tiene que:    (Fijarse que con esto se deduce que las matrices diagonales
son simtricas)

2.3. Invertibilidad
Sea la matriz A de tamao nxn. Se dice que A es invertible si y solo si se cumple que
 

Donde I es la matriz identidad y si se cumple la relacin, B se le llama la inversa de A y se denota como  .
Algunas propiedades de la invertibilidad son (Suponiendo que A es una matriz invertible):

   
Sea B una matriz de nxn. Se tiene que el producto AB es invertible y       

3. Geometra

3.1. Producto punto

EL4105 Control Avanzado de Sistemas Primavera 2011

Profesor:
Sean x,y vectores en  . Se define el producto punto <x,y> como el real

Auxiliar:

Ricardo Rabi

 ,            

Algunas propiedades que hay que recordar son

Marcos Orchard





,  ! 
 ,     ,   (Simetra)
  $ " ,     ,   $ " ,   %  ,  $ #    ,   $ , # 
, , " , # ! 

(Biaditividad)
, ! 
& ' !  '  ,     ',     , '  (Bi-homogeneidad)
 ! 
 ,   ( 0 &  ,    0 )   0.
Sean ,  ! 
. Se dice que son perpendiculares si y solo si  ,    0 (Ortogonalidad)

3.2. Norma

La norma de un vector  ! 
se define como

**  +  ,  - ,  


Algunas propiedades importantes son

 ! 
, ** ( 0 & **  0 )   0
 ! 
, ' !  *'*  |'|  **
,  ! 
* $ * / ** $ **
, ! 
| ,  | / **  ** (Desigualdad de Cauchy-Schwarts)

4. Espacios Vectoriales
4.1. Definicin

Sea un conjunto V. Se dice que V es un espacio vectorial sobre 0 (o ) si y solo 1, 2 ! 0 3 , ,  ! 4 se

cumple que

1 $ 2    1   $ 2  
1   $   1   $ 1  
1   2    1  2  
1 

En tal caso, los elementos de V se llaman vectores y los de 0 (o ), escalares.

4.2. Subespacios Vectoriales

Sea V un espacio vectorial sobre 0 (o ). Diremos que 6  0, es un subespacio vectorial de V si y slo si

7, 8 ! 6, 7 $ 8 ! 6
1 ! 0 3 , 7 ! 6, 1  7 ! 6

4.3. Combinaciones Lineales

EL4105 Control Avanzado de Sistemas Primavera 2011

Profesor:

Marcos Orchard

Sea V un espacio vectorial sobre 0 (o ), y una coleccin de vectores 8 , , 8

9 4, y de escalares
' , , '
9 0 (o ). Se define la combinacin lineal como
Auxiliar:

Ricardo Rabi

 '  8  '  8 $ $ '

 8



Se puede definir el conjunto de todas las combinaciones lineales de la siguiente forma:

 :8 , , 8
;   <8 9 4/8   '  8 , ' 9 03  >


4.4. Dependencia e Independencia lineal

4.4.1. Dependencia lineal (l.d)

Sea :8 ;
 ? 4, diremos que estos vectores son linealmente dependientes si y solo si existen escalares
:' , , '
; no todos nulos, tal que:

 '  8  0


4.4.2. Independencia lineal (l.i)

Sea :8 ;
 ? 4, diremos que estos vectores son linealmente dependientes si y solo si existen escalares
:' , , '
; todos nulos, tal que:

 '  8  0


4.5. Generacin de un espacio vectorial

4.5.1. Definicin

Sea V un espacio vectorial sobre 0 (o ). Diremos que los vectores :8 ;
 ? 4, generan V, si y slo si
4.5.2. Base

 :8 , , 8
;   4

Dado un espacio vectorial V sobre 0 (o ), diremos que el conjunto de vectores :8 ;
 es una base de V si y
slo si

:8 ;
 es un conjunto l.i.
 :8 , , 8
;   4

Teorema 1:
C
Si @  :8 ;
 ? 4 es un conjunto generador, entonces es posible extraer un subconjunto @  A8  B que

es base de V.

EL4105 Control Avanzado de Sistemas Primavera 2011

Profesor:

Marcos Orchard

Auxiliar:

Ricardo Rabi

Teorema 2:
Supongamos que tenemos   :8 ;
 base de V y un conjunto arbitrario D  :E ;F
 ? 4. Si m>n X es l.d.
5. Subespacios asociados a una transformacin lineal
5.1. Ncleo

Sea una transformacin lineal G: 6 I 4. Definimos el ncleo de T como el conjunto

JKL G  : ! 6 / G  0;

5.2. Imagen

Sea una transformacin lineal G: 6 I 4. Definimos la imagen de T como el conjunto

6. Rango de una matriz

M G  G6  :8 ! 4 / N7 ! 6 O 8  P7;

El rango de una matriz es el nmero de lneas de esa matriz (filas o columnas) que son linealmente
independientes.
7. Vectores y valores propios
7.1. Vectores propios

Diremos que  ! 4 es un vector propio de la matriz A si

(i) N' ! 0 (o ) tq     '  

(ii)   0

7.2. Valor propio

Diremos que ' es un valor propio de la matriz A si se cumple la proposicin anterior descrita en 7.1

Observacin
Para el clculo de valores propios basta con resolver la ecuacin

Donde I es la matriz Identidad.

OJO
Sea la matriz A de tamao nxn y se tiene que

KQ | R '  |  0

 '

Con ' los valores propios de la matriz A

Si las filas de la matriz  R '   son l.d. se tiene que los vectores propios estarn dados por el espacio

EL4105 Control Avanzado de Sistemas Primavera 2011

Profesor:
ST  JKL  R '    A/  P B
Auxiliar:

Marcos Orchard
Ricardo Rabi

Esto quiere decir, que una fila no entregar datos, por lo cual se elimina esa, lo que implica que queda una
variable libre. Al quedar esta variable libre, se obtiene que el resto de las componentes dependern de esta
variable libre, lo cual hace que se generen varias combinaciones de posibles valores, esto hace que se forme
el conjunto descrito anteriormente.
8. Semidefinida/Definida positiva/negativa
Sea una matriz A de tamao nxn. Diremos que

A es semidefinida positiva si        ( 0
A es definida positiva si   0        0
A es semidefinida negativa si        / 0
A es definida negativa si   0        0

9. Forma de Jordan
Sea el sistema

Se tiene que

U     $ V

 de tamao nxn, se puede descomponer en su forma de Jordan, quedando de la forma:

  W  X  W 

Donde J es la matriz de Jordan que es de la forma (Esto es un ejemplo, fijarse que la matriz tiene otras
matrices adentro, las cuales se llaman bloques de Jordan)
[
Z
Z
Y

0

1
]
V

^
0
0

1

0
0

0
0
K

a
0`
`

P_

Una propiedad importante de este tipo de descomposicin es que si uno calcula la exponencial de la matriz
A se tiene lo siguiente:
K b  W  K c  W 

Una observacin importante con respecto a la exponencial de una matriz, es que si la matriz A es diagonal,
inmediatamente se deduce que los elementos de la diagonal son exponenciales elevadas al componente de
la diagonal, es decir
K dee
K  0
0
b

9. Traza de una matriz

0
K dff
0

0
0 

K dgg

Sea A una matriz de nxn, se define la traza de una matriz como

EL4105 Control Avanzado de Sistemas Primavera 2011

Profesor:

Marcos Orchard

Auxiliar:

Ricardo Rabi

QL  



Algunas propiedades de la traza son:

La funcin tr es lineal
,  matrices de tamao nxn QL  QL
Cualquier consulta o error avisarme por correo al mail Ricardo.rabie@gmail.com
Referencias

[1] Apunte de Algebra Lineal de la Universidad de Chile, Facultad Ciencias Fsicas y Matemticas ao 2010.